ঢালাই প্রযুক্তির উন্নতি হয়েছে যখন থেকে প্রাচীন মিশরীয়রা দুই টুকরো সোনা একত্রে গলিয়ে ফেলত।
লৌহ যুগের কামাররা লোহা তৈরি এবং ঝালাই করার জন্য তাপ ব্যবহার করত। শিল্প বিপ্লবের শুরুতে অ্যাসিটিলিনের আবিষ্কার ঢালাইয়ে একটি বহুমুখী নতুন জ্বালানি যোগ করে। দুই প্রকৌশলী 19 শতকের শেষের দিকে ধাতুর আর্ক ওয়েল্ডিং উদ্ভাবন করেছিলেন এবং অতি সম্প্রতি, রোবোটিক ওয়েল্ডিং সিস্টেমের উত্থান এবং উচ্চ-শক্তির সংকর ধাতুগুলির অগ্রগতি ঢালাইয়ের প্রয়োগকে প্রসারিত করেছে।
প্রযুক্তিগত অগ্রগতির দীর্ঘ ইতিহাস সত্ত্বেও, ঢালাই একটি চ্যালেঞ্জিং দক্ষতা রয়ে গেছে। এটির জন্য প্রযুক্তিগত জ্ঞান এবং ম্যানুয়াল দক্ষতার সমন্বয় প্রয়োজন। উত্পাদন, নির্মাণ, মহাকাশ এবং স্বয়ংচালিত সহ অসংখ্য শিল্পে এর সর্বব্যাপীতা দেওয়া, দক্ষ ওয়েল্ডারের চাহিদা শক্তিশালী রয়েছে। আমেরিকান ওয়েল্ডিং সোসাইটির মতে, মার্কিন নিয়োগকর্তারা বর্তমানে 375,000 ওয়েল্ডারের অভাবের সম্মুখীন।
কার্নেগি মেলন ইউনিভার্সিটির গবেষকরা ওয়েল্ডারদের প্রশিক্ষণের একটি নতুন পদ্ধতি তৈরি করে এই সমস্যার সমাধান করছেন যা আবার উদীয়মান প্রযুক্তি প্রয়োগ করে। ডিনা এল-জানফালি, স্কুল অফ ডিজাইনের সহকারী অধ্যাপক, এবং স্কুল অফ আর্কিটেকচারের সহযোগী শিক্ষক অধ্যাপক দারাগ বাইর্ন, একটি বর্ধিত বাস্তবতা (XR) ওয়েল্ডিং হেলমেট এবং বন্দুক সিস্টেম তৈরি করতে একটি গবেষণা দলের সাথে সহযোগিতা করেছেন যাতে ওয়েল্ডারদের নির্দিষ্ট অর্জন করতে সহায়তা করে তাদের চ্যালেঞ্জিং দক্ষতা আয়ত্ত করতে প্রয়োজন জ্ঞান।
“এটি সত্যিই একটি দুর্দান্ত প্রকল্প নয়, এটি MFI এর মিশনের একটি মূল লক্ষ্যকে মূর্ত করে,” এমএফআই এর নির্বাহী পরিচালক স্যান্ড্রা ডিভিনসেন্ট উলফ বলেছেন “এটি যুগান্তকারী।”
সম্প্রসারিত বাস্তবতা ভার্চুয়াল রিয়েলিটি (VR) কে একত্রিত করে, যা একটি বাস্তব বা কল্পনাকৃত অভিজ্ঞতাকে অনুকরণ করে, যা ব্যবহারকারীর বাস্তব-বিশ্বের পরিবেশ এবং মিশ্র বাস্তবতার সাথে কম্পিউটার-উত্পাদিত তথ্যকে একত্রিত করে; ), যেখানে রিয়েল-ওয়ার্ল্ড এবং ডিজিটাল অবজেক্ট একসাথে থাকে এবং রিয়েল টাইমে ইন্টারঅ্যাক্ট করে। একসাথে, এই ক্ষমতাগুলি একটি নিমগ্ন অভিজ্ঞতা তৈরি করে যা ব্যবহারকারীদের রিয়েল টাইমে তথ্য, পরিবেশ এবং ডিজিটাল সামগ্রীর সাথে যোগাযোগ করতে সক্ষম করে।
ওয়েল্ডারদের প্রশিক্ষণের জন্য হাত-চোখের সমন্বয়ের বিকাশ এবং মহাকাশে শরীরের অবস্থান এবং গতিবিধি সম্পর্কে গভীর সচেতনতা প্রয়োজন। এই নির্দিষ্ট জ্ঞানটি সরঞ্জাম এবং উপকরণগুলির সাথে প্রকৃত মিথস্ক্রিয়া দ্বারা অর্জিত হয় এবং একটি প্রশিক্ষণের পরিস্থিতিতে প্রতিলিপি করা কঠিন হতে পারে।
কার্নেগি মেলন ইউনিভার্সিটির গবেষকরা প্রশিক্ষণের চ্যালেঞ্জগুলি আরও ভালভাবে বোঝার জন্য সহ-ডিজাইন কর্মশালার একটি সিরিজ আয়োজন করছেন।তারা পিটসবার্গের হ্যাজেলউড আশেপাশে একটি অলাভজনক যুব ওয়েল্ডিং প্রশিক্ষণ প্রোগ্রাম ইন্ডাস্ট্রিয়াল আর্টস ওয়ার্কশপ (IAW) থেকে আটজন প্রশিক্ষক এবং চারজন ছাত্রের সাথে কাজ করেছে, একটি ওয়েল্ডিং হেলমেট এবং ওয়েল্ডিং বন্দুক তৈরি করতে যা মেটা কোয়েস্ট প্রো এবং মেশিন লার্নিং মডেল এটি তিনটি মূল উপায়ে ঢালাই-নির্দিষ্ট শিক্ষাকে উন্নত করে।
ভিজ্যুয়াল এক্সআর গাইড এবং ইন্টিগ্রেটেড মোশন সেন্সিং
ঢালাই অনুশীলনের অত্যন্ত নিমগ্ন এবং মূর্ত প্রকৃতি প্রশিক্ষকদের জন্য দৃশ্যত প্রক্রিয়াটি পর্যবেক্ষণ করা এবং শিক্ষার্থীদের সময়মত, নিরাপদ এবং শ্রবণযোগ্য পদ্ধতিতে প্রতিক্রিয়া প্রদান করা কঠিন করে তোলে। লিখিত নির্দেশ বা প্রতিক্রিয়া উভয়ই বাস্তব সময়ে সূক্ষ্ম ব্যবহারিক দক্ষতা প্রকাশ করতে পারে না।
গবেষকরা মেটা কোয়েস্ট হেডসেটগুলির সাথে ওয়েল্ডিং হেলমেটগুলি সংশোধন করে এই বাধাগুলি অতিক্রম করেছেন, যা প্রশিক্ষণ সেশনের সময় শিক্ষার্থীদের গাইড করার জন্য ভিজ্যুয়াল ফিডব্যাক মেকানিজমের একটি সিরিজ প্রদর্শন করে এবং সেশন চলাকালীন বা পরে মূল্যায়ন করার জন্য প্রশিক্ষকদের তাদের কর্মক্ষমতার একটি রেকর্ড প্রদান করে।
ওয়েল্ডিং হেলমেটের ভিতরে দুটি স্বাধীন XR সূচক কোয়েস্ট টাচ কন্ট্রোলারের সাথে সংযুক্ত ওয়েল্ডিং বন্দুকের সঠিক কোণ বজায় রাখতে ওয়েল্ডিং ছাত্রদের যে ছোট পরিবর্তন এবং সমন্বয় করা উচিত তা দেখায়। স্ট্যাটাস আইকনগুলি হেডসেট ভিউপোর্টের উপরের দিকে অবস্থিত, যা ব্যবহারকারীদের সক্রিয় ওয়েল্ড থেকে মনোযোগ না নিয়ে প্রতিক্রিয়া দেখতে দেয়৷ স্ট্যাটাস আইকনগুলি লাইভ রিপ্লে দেখার সময় প্রশিক্ষক এবং ব্যবহারকারীদের কর্মক্ষমতা সম্পর্কে একটি পরিষ্কার বোঝার সুবিধা প্রদান করে।
গবেষকরা দোকানের প্রশিক্ষকদের কাছ থেকে প্রতিক্রিয়া ব্যবহার করে ঢালাইয়ের XR উপস্থাপনাকে প্রকৃত ওয়ার্কপিসে কীভাবে ক্যালিব্রেট করতে হয় যাতে ব্যবহারকারীরা তাদের পছন্দসই রোলিং গাইড লাইনের অবস্থান সেট করতে একটি ওয়েল্ডিং বন্দুক ব্যবহার করে ওয়েল্ডের শুরু এবং শেষ বিন্দু সেট করতে পারে। অনুসরণ
ঢালাই অনুশীলনের সময় শব্দ সংকেত উপলব্ধি করা
কার্নেগি মেলন বিশ্ববিদ্যালয়ের গবেষকরা সেমিনার প্রশিক্ষকদের কাছ থেকে শিখেছেন যে অভিজ্ঞ ওয়েল্ডাররা সক্রিয় শোনার মাধ্যমে ওয়েল্ডের মূল্যায়ন করতে সক্ষম। ফলস্বরূপ, তাদের সিস্টেমটি বাস্তব সময়ে ঢালাই নির্ণয় করার জন্য একটি শ্রবণ-ভিত্তিক পদ্ধতি ব্যবহার করতে পারে, ঢালাই সম্পূর্ণ হওয়ার পরে দৃশ্যত মূল্যায়ন করার পরিবর্তে।
“উদাহরণস্বরূপ, প্রশিক্ষকের মতে, একটি ভাল ঢালাইয়ের গতি সিজলিং বেকনের মতো শোনা উচিত, পপকর্ন নয়,” এল-জানফালি ব্যাখ্যা করেছেন।
ধাতু নিষ্ক্রিয় গ্যাস ঢালাই হল একটি ঢালাই বন্দুকের ডগা থেকে একটি ধাতব তারকে বের করে দেওয়া, একটি নিষ্ক্রিয় গ্যাস দিয়ে তারটিকে রক্ষা করা এবং দুটি ধাতুকে একত্রে ফিউজ করার জন্য তার এবং ওয়ার্কপিসের মধ্যে শর্ট-সার্কিট কারেন্ট দ্বারা উৎপন্ন তাপ ব্যবহার করা। এই সিস্টেমের অনুপযুক্ত সেটআপের ফলে দরিদ্র জোড় মানের হতে পারে। উদাহরণস্বরূপ, যদি ওয়েল্ডারের অ্যাম্পেরেজ খুব কম সেট করা হয়, তাহলে এটি ওয়েল্ড পুঁতিটিকে খুব পাতলা করে দেবে এবং এর ফলে কাজের প্লেট জুড়ে অসঙ্গত অনুপ্রবেশ ঘটবে।
AIW প্রশিক্ষকদের পূর্ববর্তী গবেষণা এবং প্রতিক্রিয়ার উপর ভিত্তি করে, বিভিন্ন সেটিংসের ফলে ওয়েল্ডিং সাউন্ডে পরিবর্তন হয়, যা সম্ভাব্য গুরুত্বপূর্ণ প্রশিক্ষণ প্রতিক্রিয়া প্রদান করে। কিন্তু তাপ, স্পার্ক, অতিবেগুনী বিকিরণ এবং ধাতব স্প্ল্যাশ থেকে রক্ষা করার জন্য প্রয়োজনীয় ভারী ঢালাইয়ের হেলমেট এবং অন্যান্য ব্যক্তিগত সুরক্ষামূলক সরঞ্জামের সাথে ঢালাইয়ের স্থানগুলির চরম তাপ, আলো এবং শব্দের অবস্থা, ওয়েল্ডারদের এই শ্রবণ উদ্দীপনা উপলব্ধি করার ক্ষমতাকে সীমিত করে।
সেটআপ এবং বন্দুকের টিপ দূরত্বের মতো মূল কারণগুলি সনাক্ত করতে শব্দ সনাক্তকরণকে সমর্থন করার জন্য Tiny Machine Learning (TinyML) নিয়োগ করে, গবেষকরা শব্দ সনাক্তকরণে ত্রুটিগুলি নির্দেশ করে, যেমন বন্দুকের ডগা নড়াচড়া করার মতো দৃশ্যগত প্রতিক্রিয়া প্রদানের জন্য তাদের মডেলকে প্রশিক্ষিত এবং স্থাপন করেছেন। ফলস্বরূপ ত্রুটিটি সোল্ডার প্লেট থেকে অনেক দূরে।
গবেষকরা অভিজ্ঞ ওয়েল্ডারদের একই ঢালাই গতি বারবার সঞ্চালন করতে বলেন, প্রতিটি ওয়েল্ডের জন্য শুধুমাত্র একটি সেটিং পরিবর্তন করে। তারা টিনিএমএল শ্রেণীবিভাগ মডেলের প্রশিক্ষণ এবং পরীক্ষা করার জন্য 20 মিনিটের বেশি অডিও ডেটা সংগ্রহ করেছে, বিভিন্ন বিভাগ সেটিংসে সমানভাবে বিতরণ করা হয়েছে।
TinyML মাইক্রোকন্ট্রোলারের মতো রিসোর্স-সংবদ্ধ ডিভাইসগুলিতে মেশিন লার্নিং মডেল স্থাপন এবং চালানোর উপর ফোকাস করে, যা এই ক্ষেত্রে প্রতিক্রিয়া প্রদানের জন্য একটি বর্ধিত হেলমেটের সাথে সংযুক্ত থাকে। গবেষকরা টিনিএমএল মডেলগুলিকে শিক্ষার্থীদের সাধারণ ভুলগুলি যেমন ভুল সেটিংস এবং বন্দুকের টিপ দূরত্ব সম্পর্কে সতর্ক করতে প্রশিক্ষণ দিয়েছিলেন।
ঢালাইয়ের শুরু এবং শেষ সনাক্ত করতেও শব্দ ব্যবহার করা হয়। গবেষকরা 97 শতাংশ নির্ভুলতার সাথে ঢালাই সনাক্ত করতে সক্ষম একটি শ্রেণিবিন্যাস সিস্টেমকে প্রশিক্ষণের জন্য পাঁচটি ভিন্ন ডিভাইস (দুটি মাইক্রোকন্ট্রোলার, দুটি স্যামসাং স্মার্টফোন এবং একটি ইউএসবি মাইক্রোফোন) থেকে রেকর্ডিং ব্যবহার করে 19 মিনিটের ঢালাই শব্দ সংগ্রহ করেছেন। এই ক্লাসিফায়ারটি ওয়েল্ডিং বন্দুকের একটি ফিজিক্যাল বোতামের সাথে ইন্টারঅ্যাক্ট করার জন্য ইলেক্ট্রোমেকানিকাল সনাক্তকরণের প্রয়োজনীয়তাকে প্রতিস্থাপন করে যা ওয়েল্ড ট্র্যাকিং শুরু করতে ব্যবহৃত হয় এবং সিস্টেমটিকে আরও বহনযোগ্য করে তোলে।
ঢালাই আগে ধ্যান
কর্মশালা চলাকালীন, গবেষকরা দেখতে পান যে প্রশিক্ষকরা ঢালাই শুরু করার আগে শিক্ষার্থীদের ধ্যান এবং শ্বাস-প্রশ্বাসের ব্যায়ামে নিয়োজিত করতে উত্সাহিত করেছেন একটি উপায় হিসাবে শিথিলকরণের জন্য এবং ঢালাই পরিবেশের প্রভাবগুলিকে প্রতিরোধ করার জন্য মননশীলতার অনুভূতি বিকাশ করার জন্য, যা গোলমালের কারণে অপ্রতিরোধ্য হতে পারে, স্ফুলিঙ্গ, তাপ এবং পোড়া গন্ধ.
মননশীলতার অনুশীলনগুলিকে উন্নত করার জন্য, গবেষকরা শিক্ষার্থীদের শ্বাস-প্রশ্বাসের ব্যায়াম করতে উত্সাহিত করে প্রতিটি ওয়েল্ডিং সেশন শুরু করার জন্য প্ল্যাটফর্মটি প্রোগ্রাম করেছেন। তারা মুখ ও নাকের কাছে ওয়েল্ডিং হেলমেটের ভিতরে একটি অ্যানিমোমিটার রেখেছিল যাতে শ্বাস-প্রশ্বাসের বাতাসের গতি পরিমাপ করা যায় এবং সময়ের সাথে সাথে শ্বাস প্রশ্বাসের ধরণগুলি ট্র্যাক করা যায় যাতে ওয়েল্ডিং শিক্ষার্থীদের কার্য সম্পাদনের উন্নতি করতে তাদের শ্বাস-প্রশ্বাস নিয়ন্ত্রণে সহায়তা করার জন্য সিস্টেমের সংকেতগুলি বিকাশ করা যায়।
ধ্যান এবং শ্বাস-প্রশ্বাসের ব্যায়ামের মাধ্যমে গতি বোঝার, শব্দ শনাক্ত করার এবং ব্যবহারকারীর ফোকাস বাড়ানোর সিস্টেমের ক্ষমতা শিক্ষার্থীদের ভার্চুয়াল প্রশিক্ষণে অর্জিত দক্ষতা প্রকৃত ওয়েল্ডিং অনুশীলনে স্থানান্তর করতে সহায়তা করতে পারে। রিয়েল-টাইম নির্দেশিকা প্রদান করার ক্ষমতা ছাত্র এবং প্রশিক্ষকদের অনেক সুবিধা প্রদান করে যারা অন্যথায় কর্মক্ষমতা মূল্যায়ন করার জন্য ওয়েল্ডিং সম্পন্ন হওয়ার পরে প্রাপ্ত তথ্যের উপর নির্ভর করতে হবে। ঢালাই প্রশিক্ষণ ছাড়াও, সামগ্রিক পদ্ধতি XR সিস্টেমের জন্য প্রক্রিয়া এবং দক্ষতা প্রশিক্ষণ জানাতে পারে।
“আমাদের কাজের একটি সত্যিই উত্তেজনাপূর্ণ দিক হল আমাদের সিস্টেমের সামান্য পরিবর্তিত অফ-দ্য-শেল্ফ এক্সআর ব্যবহার করার ক্ষমতা এবং ঢালাই সেটিং,” এল-জানফালি ব্যাখ্যা করেছেন।
তাদের কাজ ইতিমধ্যেই 2023 অ্যাসোসিয়েশন ফর কম্পিউটিং মেশিনারি (ACM) কনফারেন্স অন ইন্টারেক্টিভ সারফেসস অ্যান্ড স্পেস এবং 2024 এসিএম কনফারেন্স অন ট্যাঞ্জিবল, এমবেডেড এবং এন্টিটি ইন্টারঅ্যাকশনে পুরস্কারের সাথে স্বীকৃত হয়েছে।
এগিয়ে গিয়ে, দলটি কাজের প্রযুক্তিগত মাত্রা এবং মূর্ত অভিজ্ঞতা বাড়ানোর জন্য অসংখ্য সুযোগ অনুসরণ করার পরিকল্পনা করেছে। ডিভাইসের দীর্ঘমেয়াদী ব্যবহার দক্ষতা, অভ্যাস এবং অনবোর্ডিং অভিজ্ঞতায় কতটা অবদান রাখে তা মূল্যায়ন করতে তারা কয়েক সপ্তাহ ধরে A/B ল্যাব স্টাডিতে এবং IAW-তে প্ল্যাটফর্মটি স্থাপন করার পরিকল্পনা করেছে।
দ্বারা প্রদান করা হয়
কার্নেগী মেলন বিশ্ববিদ্যালয়
উদ্ধৃতি: মেশিন লার্নিং এবং ট্রেনিং ওয়েল্ডারদের জন্য বর্ধিত বাস্তবতা (2024, এপ্রিল 25) 25 এপ্রিল, 2024, https://techxplore.com/news/2024-04-machine-reality-welders.html থেকে সংগৃহীত
এই নথিটি কপিরাইট দ্বারা সুরক্ষিত। ব্যক্তিগত অধ্যয়ন বা গবেষণার উদ্দেশ্যে ন্যায্য লেনদেনের স্বার্থ ছাড়া লিখিত অনুমতি ছাড়া কোনো অংশ পুনরুত্পাদন করা যাবে না। বিষয়বস্তু শুধুমাত্র রেফারেন্স জন্য.
(ট্যাগস-অনুবাদ
উৎস লিঙ্ক